大地测量与地球动力学

站点	0 h	1 h	2 h	3 h	4 h	5 h	6 h	7 h	8 h	9 h	10 h
SZSZ(随州)	0.331	0.327	0.316	0.305	0.304	0.298	0.284	0.270	0.250	0.244	0.235
ESXE(宣恩)	0.341	0.341	0.328	0.322	0.309	0.288	0.273	0.261	0.248	0.238	0.225
WHJX(江夏)	0.367	0.372	0.373	0.369	0.357	0.337	0.322	0.316	0.303	0.283	0.266
JZJZ(荆州)	0.283	0.298	0.305	0.305	0.301	0.287	0.278	0.268	0.257	0.246	0.240
平均	0.330	0.334	0.330	0.325	0.318	0.303	0.289	0.279	0.265	0.253	0.241
KFTX(通许)	0.270	0.276	0.268	0.262	0.262	0.261	0.268	0.249	0.253	0.256	0.273
XCJA(许昌)	0.346	0.378	0.375	0.351	0.354	0.338	0.315	0.297	0.301	0.306	0.319
HBXX(浚县)	0.300	0.320	0.324	0.314	0.309	0.308	0.303	0.301	0.316	0.325	0.325
ZZGC(荥阳)	0.369	0.385	0.392	0.373	0.359	0.374	0.387	0.395	0.380	0.354	0.330
平均	0.318	0.338	0.341	0.326	0.321	0.320	0.316	0.315	0.311	0.309	0.308

站点	0 h	1 h	2 h	3 h	4 h	5 h	6 h	7 h	8 h	9 h	10 h
SZSZ(随州)	0.331	0.327	0.316	0.305	0.304	0.298	0.284	0.270	0.250	0.244	0.235
ESXE(宣恩)	0.341	0.341	0.328	0.322	0.309	0.288	0.273	0.261	0.248	0.238	0.225
WHJX(江夏)	0.367	0.372	0.373	0.369	0.357	0.337	0.322	0.316	0.303	0.283	0.266
JZJZ(荆州)	0.283	0.298	0.305	0.305	0.301	0.287	0.278	0.268	0.257	0.246	0.240
平均	0.330	0.334	0.330	0.325	0.318	0.303	0.289	0.279	0.265	0.253	0.241
KFTX(通许)	0.270	0.276	0.268	0.262	0.262	0.261	0.268	0.249	0.253	0.256	0.273
XCJA(许昌)	0.346	0.378	0.375	0.351	0.354	0.338	0.315	0.297	0.301	0.306	0.319
HBXX(浚县)	0.300	0.320	0.324	0.314	0.309	0.308	0.303	0.301	0.316	0.325	0.325
ZZGC(荥阳)	0.369	0.385	0.392	0.373	0.359	0.374	0.387	0.395	0.380	0.354	0.330
平均	0.318	0.338	0.341	0.326	0.321	0.320	0.316	0.315	0.311	0.309	0.308

基于地基GNSS观测的典型暴雨过程水汽特征

余洋 ¹^,² , 万蓉 ¹^,² , 付志康 ¹^,² , 刘冲 ³

大地测量与地球动力学 | 现代大地测量 2025,45(4): 356-361

收起

大地测量与地球动力学 |现代大地测量 2025 , 45 (4) : 356 -361

基于地基GNSS观测的典型暴雨过程水汽特征

全屏

余洋¹^,², 万蓉¹^,², 付志康¹^,², 刘冲³

作者信息

1 中国气象局武汉暴雨研究所, 武汉市金融港二路6号, 430205

2 中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室, 武汉市金融港二路6号, 430205

3 中国气象局地球系统数值预报中心, 北京市中关村南大街46号, 100081

作者简介:

余洋, 工程师, 主要从事GNSS气象学研究, E-mail: yuyang718@foxmail.com

Characteristics of Water Vapor Based on Ground-Based GNSS Observations during Typical Rainstorm

Yang YU¹^,², Rong WAN¹^,², Zhikang FU¹^,², Chong LIU³

Affiliations

1 Wuhan Institute of Heavy Rain, CMA, 6 Second-Jinronggang Road, Wuhan 430205, China

2 CMA Basin Heavy Rainfall Key Laboratory/Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research, 6 Second-Jinronggang Road, Wuhan 430205, China

3 CMA Earth System Modeling and Prediction Center, 46 South-Zhongguncun Street, Beijing 100081, China

YU Yang, engineer, majors in GNSS meteorology, E-mail: yuyang718@foxmail.com

出版时间: 2025-04-15 doi: 10.14075/j.jgg.2024.04.202

文章导航

摘要

收起

利用湖北省地基GNSS观测网2020-06-25—07-09、河南省地基GNSS观测网2021-07-13—26观测数据反演大气可降水量(PWV)，结合地面自动气象站小时雨量资料，分析2020年“暴力梅”和2021年河南“7·20”极端暴雨过程中PWV的时空变化特征及其对降水的影响。结果表明，2020年梅雨季中PWV超过65 mm的区域对暴雨落区具有较好的指示性；暴雨发生前PWV存在阶段性陡增现象，降水强度与PWV含量几乎同时达到峰值。2021年河南“7·20”极端暴雨过程全省范围内水汽充足，PWV高值区对暴雨落区的指示性相对较弱；PWV总体上表现出缓增快减趋势，降水前PWV在高值波动并缓慢增长，PWV快速下降时降水停止。2020年和2021年汛期暴雨前1~2 h，PWV均表现出增加趋势，该特征可为暴雨预警提供一定的参考。

关键词

GNSS / 可降水量 / “暴力梅” / 河南“7·20”暴雨

Abstract

收起

Based on the observation data of ground-based GNSS network in Hubei province during 25 June to 9 July 2020 and in Henan province during 13 to 26 July 2021, the precipitable water vapor(PWV) are derived. Combined with hourly precipitation data of ground automatic weather stations, we analyze the spatio-temporal characteristics of PWV and its influence on precipitation in "Violent Meiyu" in 2020 and Henan "7·20" extreme rainstorm in 2021. The results show that the regions with high PWV value above 65 mm have a good indication of the areas where rainstorms happen. PWV increases in a fluctuating tendency before the arrival of rainstorm, the precipitation intensity and PWV reach the maximum value almost at the same time. During the process of "7·20" extreme rainstorm in 2021, the water vapor is sufficient throughout Henan province, the indication of PWV high value for rainstorm is relatively weak. In general, PWV shows a trend of slow increase and fast decrease in "7·20" extreme rainstorm. Before the occurrence of precipitation, PWV fluctuates at a high level and grows slowly. When PWV rapidly decreases, precipitation stops. Furthermore, it is also revealed that PWV usually increases 1 to 2 hours before the occurrence of rainstorm both in 2020 and 2021, which is significant for rainstorm monitoring and weather forecasting.

Key words

GNSS / precipitable water vapor / "Violent Meiyu" / Henan "7·20" extreme rainstorm

引用本文

余洋, 万蓉, 付志康, 刘冲. 基于地基GNSS观测的典型暴雨过程水汽特征. 大地测量与地球动力学, 2025 , 45 (4) : 356 -361 . DOI: 10.14075/j.jgg.2024.04.202

Yang YU, Rong WAN, Zhikang FU, Chong LIU. Characteristics of Water Vapor Based on Ground-Based GNSS Observations during Typical Rainstorm[J]. Journal of Geodesy and Geodynamics, 2025 , 45 (4) : 356 -361 . DOI: 10.14075/j.jgg.2024.04.202

正文

收起

2020-06—07长江流域经历了一次超强梅雨季，梅雨期长达52 d，总降水量较常年多1.5倍^[1]，被称为本世纪最强“暴力梅”，期间湖北境内多个站点降水量打破建站以来历史记录。2021-07河南出现罕见的极端暴雨(河南“7·20”暴雨)，此次过程持续时间长、范围广、极端性强，造成大量人员伤亡和经济财产损失^[2]。

大气水汽是描述极端天气的主要参量，对研究暴雨或极端短时强降水的发生、发展和演化过程具有重要作用^[3]。水汽主要分布在对流层内，其复杂的空间分布和快速变化的特性使得对水汽含量进行高精度监测极其困难。探空(时空分辨率低)、微波辐射计(降水条件下数据质量下降)、卫星可见光和红外遥感(受云遮挡影响严重)、卫星微波遥感(复杂陆表特征下准确性低)等手段均难以获得高时空分辨率的大气水汽产品^[4]，这会极大地制约局地暴雨的预警预报效果。近年来，基于地基GNSS观测的大气可降水量(precipitable water vapor, PWV)探测技术受到广泛关注^[5]。相比于其他手段，地基GNSS具有高精度、高时空分辨率、低成本、全天候观测等优势^[6]。

本文针对2020年长江流域“暴力梅”和2021年河南“7·20”暴雨，利用湖北省和河南省地基GNSS观测网资料，反演暴雨过程中高时空分辨率的PWV数据；结合地面自动气象站雨量观测资料，对比分析2020年、2021年夏季暴雨过程中PWV时空变化特征和水汽对暴雨发生发展的影响，为暴雨机制分析和预警预报提供一种高时空分辨率的水汽监测手段和科学数据支撑。

1 数据来源和PWV反演

收起

1.1 GNSS和自动气象站观测资料

使用湖北省内58个地基GNSS站和82个国家级自动气象站、河南省内215个地基GNSS站和118个国家级自动气象站提供的观测数据进行研究，站点分布见图1。数据时间范围分别为2020-06-25—07-09和2021-07-13—26，PWV和降水量数据的时间分辨率均为1 h。本文所选GNSS站点均匀且密集，综合各站上空PWV数据可反映研究区水汽空间分布情况，联合地面自动站降水观测数据可分析暴雨期间PWV时空变化特征和PWV对降水发生发展的影响。

1.2 地基GNSS水汽反演

基于GNSS观测反演PWV的关键在于获取高精度的天顶湿延迟(ZWD)。ZWD可由天顶总延迟(ZTD)减去静力学延迟(ZHD)获取：

(1)

$\mathrm{ZWD}=\mathrm{ZTD}-\mathrm{ZHD}$

ZWD与PWV存在正比关系，利用该关系可求出测站天顶方向PWV：

(2)

$\mathrm{PWV}=\varPi \times \mathrm{ZWD}$

式中，Π为无量纲系数，与对流层水汽加权平均温度(T_m)有关，一般计算时T_m取256.18 K，则Π=0.15。

使用Saastamoinen模型计算ZHD^[7]：

(3)

$\mathrm{ZHD}=\frac{2.276\;8 \times P_s}{1-0.002\;6 \cos (2 \varphi)-0.000\;28 \times h}$

式中，P_s为测站地面气压，单位hPa；h为测站大地高，单位km；φ为测站地理纬度。

采用GAMIT软件解算湖北省地基GNSS观测站的ZTD，处理方法见文献[8]。结果表明，PWV反演结果与探空资料相关系数大于0.97，反演数据的准确性和精度与其他学者研究结果相当^[8-10]。采用武汉大学研发的GNSS高精度数据处理系统解算河南省地基GNSS观测资料，通过实时精密单点定位(PPP)技术计算GNSS站天顶方向ZTD，数据处理策略见文献[11]。结果表明，PWV反演结果与探空资料相关系数为0.89，均方差为4.6 mm，与以往研究结果相当^[12-13]。上述精度分析表明，湖北省和河南省基于地基GNSS观测资料反演的PWV精度良好，可满足气象应用研究需要。

2 PWV与降水量空间分布特征

收起

为探究夏季暴雨过程中PWV与小时雨量的空间分布特征，对比分析2020年“暴力梅”和2021年河南“7·20”暴雨期间2次大范围、高强度降水过程。由于PWV在时间上具有快速变换的特性，且水汽变化特征可能提前于降水变化，故本节利用6 h平均PWV与6 h累积降水数据，对比不同年份夏季暴雨过程中水汽和降水空间分布的异同。

图2为湖北省2020-06-27 16:00—21:00(世界时，下同)和07-05 17:00—22:00暴雨过程中PWV和降水空间分布。从图中可以看出，在这2次降水过程中PWV与降水强度均具有较好的匹配关系，暴雨区域的PWV超过65 mm。06-27湖北省内PWV超过60 mm的区域呈东北-西南向分布，其中鄂中大部分地区PWV在70 mm以上；鄂西北和鄂东南PWV在55 mm左右，相对较小(图2(a))。与水汽分布相对应，降水主要发生在鄂东北，暴雨区呈东北-西南向带状分布，其中鄂西南和鄂东北6 h累积雨量分别超过50 mm和100 mm，超过暴雨量级；鄂西北部分区域和鄂东南未发生降水(图2(b))。07-05降水过程中水汽从西北向东南逐渐增加，鄂东南PWV超过65 mm(图2(c))。此次降水过程中水汽对降水的空间分布表现出更加明显的指示性，降水主要发生在鄂南边缘，大部分降水区域6 h累积雨量超过25 mm，部分地区超过100 mm；鄂中和鄂西北大片区域均未发生降水(图2(d))。

整体而言，PWV高值区对暴雨落区具有较好的指示性，但PWV大小与降水强度并无严格的正比关系，部分区域在水汽含量较少的情况下也出现明显降水。如06-27降水过程中，鄂西南水汽含量不及鄂中大部分地区，但累积降水超过50 mm。鄂西部分区域在水汽含量相对较少时发生降水很可能与山区复杂地形对降水触发条件的影响有关^[14]。

图3为河南省2021-07-19 09:00—14:00和07-20 05:00—10:00暴雨过程中PWV和降水空间分布。可以看出，暴雨发生区域PWV均处于较高水平。07-19降水主要发生在豫中，呈西北-东南向分布，暴雨中心在郑州附近，6 h累积雨量超过50 mm。从PWV空间分布可以看出，豫中水汽超过65 mm，处于较高水平；豫东北和豫西仅有小范围零星小雨，该区域水汽含量相对较低，PWV低于55 mm。07-20降水主要发生在豫西北，其中郑州附近区域出现极端暴雨，6 h累积雨量超过300 mm，对应区域PWV超过70 mm；在豫西南降水强度相对较低且降水区域分散，相应区域PWV一般小于60 mm。

河南“7·20”暴雨过程中，全省超过70%的站点PWV大于60 mm，但暴雨发生区域比较集中，范围明显小于PWV高值区。该过程中暴雨空间分布受PWV的影响较小，在水汽充足的情况下，降水强度主要取决于水汽凝结、云雨转化等云物理过程的效率。

在空间维度上，不论是2020年“暴力梅”还是2021年河南“7·20”极端降水，暴雨集中区的PWV均在65 mm以上，处于较高水平。PWV高值区对暴雨落区具有一定的指示性，相较而言，2020年梅雨期PWV高值区与暴雨落区空间匹配度更好。但值得注意的是，并非所有PWV较高的区域均产生暴雨，2021年河南极端降水过程全省水汽充足，此时触发降水的主要因素可能更加依赖于大气环境的动力、热力条件。另外，受地形等其他因素影响，水汽条件较弱的区域也可能产生明显降水。

3 PWV与小时雨量的时变特征

收起

为进一步分析PWV时序变化特征与降水发生发展之间的关系，分别选取2020年“暴力梅”和2021年“7·20”暴雨过程中雨量较大且观测数据完整的4组地基GNSS站及其对应的地面气象站数据，对比分析逐小时PWV和雨量变化情况。所选的地基GNSS站和地面气象站为并址建设或水平距离小于30 km，高程差异小于100 m。

图4为2020-06-25—07-09湖北省4组并址站点PWV与小时雨量时间序列。可以看出，降水主要集中在3个阶段，第1阶段为06-27—30，第2阶段为07-02—03，第3阶段为07-04—08，其中第3阶段降水持续时间较长，荆州、武汉、黄冈部分测站累积降水量打破建站以来的历史记录。由图4可知，4组测站PWV表现出相似的变化特征。在整个研究时段内PWV呈现明显的起伏波动，降水间歇时段PWV处于相对较低的水平，降水发生时段PWV增加到高值。对于前2个降水阶段，在降水出现前35 h左右，PWV从30 mm左右开始快速增长，在降水前12 h左右出现一个极大值，此时地面无明显降水或降水强度较弱，PWV小幅波动或略有降低；随后PWV出现第2次大幅增长并达到峰值，此时降水开始发生，并在PWV峰值时刻附近出现小时雨量的峰值；随着PWV快速降低，水汽供应量减少，降水停止。对于第3个降水阶段，降水发生前PWV迅速增长到60 mm，降水开始后PWV保持在较高水平，在整个降水阶段水汽总量在高值区起伏波动，整体呈现上升趋势；当PWV持续降低时，降水过程结束。

图5为2021年河南极端降水过程中4个测站的PWV和降水时间序列。由图可知，暴雨主要发生在07-19—21，在整个研究时段内PWV表现出缓增快减趋势，即在07-19之前，4个GNSS站的PWV均维持在45 mm以上，随着降水时间临近，PWV小幅波动并缓慢增加；07-19—22 PWV保持在高位波动，暴雨临近时刻PWV出现小幅降低之后迅速增加，随后地面出现持续性暴雨；07-22之后外部水汽供应不再充足，PWV逐渐降低，暴雨随之结束。

在时间维度上，2020年“暴力梅”和2021年河南“7·20”极端暴雨期间PWV和降水的变化特征表现出明显差异。2020年梅雨期间，湖北省PWV存在大幅度波动变化，存在明显的峰值与谷值，非降水时间段PWV一般在30~40 mm，降水发生前1~2 d PWV开始出现激增，最终超过65 mm，诱发暴雨，PWV峰值变化对降水具有较好的指示性。2021年极端暴雨期间，河南省外部水汽持续充足供应，并在测站上空不断聚集，使PWV一直维持在高值，未出现明显的峰谷变化特征。2次暴雨期间PWV变化特征的相似之处在于，暴雨发生前PWV均表现出小幅波动或略有下降，随后再迅速增加的变化趋势，这反映出降水发生前水汽凝结、云雨转化的云物理过程：由于水平温度平流降温或气块上升膨胀冷却，水汽凝结成云滴，使得PWV小幅减少或增长速率变缓。PWV的这种变化特征可以作为暴雨潜势分析的重要依据之一。

从上述分析可以看出，在大部分暴雨发生前PWV会出现增加趋势。为进一步分析PWV和降水在时间维度上的相关性，分别对湖北和河南4组测站的PWV和小时雨量进行时差相关性分析。本研究在计算时差相关系数时将时差设置为0~10 h，即分别计算PWV和0~10 h后小时雨量之间的相关性，结果见表1。表中各组数据均通过0.01置信度检验，但相关系数均在0.4以下，表明PWV与降水强度之间的变化具有较强的统计学意义，水汽变化会直接影响到降水强度，但二者相关程度不高，并非简单的线性关系。从表中还可以看出，PWV与降水强度时差为1~2 h时的相关系数最大，即对于2次暴雨过程而言，在极端降水发生前1~2 h，PWV多表现出增加趋势，该特征可为暴雨预警提供一定的参考。

4 PWV偏离系数与降水强度的关系

收起

由于湖北和河南地形存在起伏变化，各测站的海拔高度不同，测站之间存在系统性差异。通过对PWV进行标准化处理，消除测站间的系统性误差，分析PWV与暴雨之间的共性特征。参考以往的研究方法^[15]，计算水汽标准化系数，即PWV偏离系数(PWV^*)：

$\mathrm{PWV}^*=(\mathrm{PWV}-\overline{\mathrm{PWV}}) / \delta \mathrm{PWV}$

式中，$\overline{{\rm{PWV}}}$为研究时段内PWV均值，δPWV为其标准差。PWV^*不但可以消除测站之间的系统性误差，还可以凸显该时刻PWV与研究时段内平均值的差异，PWV^*为正值表示该时刻水汽含量高于平均水平，负值则表示该时刻水汽含量低于平均水平，PWV^*的绝对值越大，表示偏离平均值的程度越大。

图6为2次暴雨期间4组测站PWV^*与降水量的关系。可以看出，94.4%的降水出现在PWV^*>0的条件下，其中当小时雨量超过20 mm时，92%的PWV^*超过0.7。由此可见，降水多发生在水汽充足的条件下，当大气中水汽总量超过平均值0.7个标准差以上时，即具备发生短时强降水的可能性。相反，当PWV^*＜0时，说明水汽条件不够充足，发生降水的可能性较低；当PWV^*＜0.7时，表明水汽条件不够成熟，强降水发生的机会相对较低。

5 结语

收起

1) 从空间维度上看，暴雨发生区域PWV超过65 mm。2020年“暴力梅”期间PWV高值区与暴雨落区的空间匹配度较好；2021年河南“7·20”极端暴雨过程全省水汽含量普遍较高，此时触发降水的主要因素更多依赖于大气的热力、动力等环境条件，因此PWV高值区范围明显大于暴雨落区。此外，受地形等条件影响，部分山区可能在PWV相对较小时出现强降水。

2) 在时间维度上，暴雨发生前PWV基本都出现增加趋势，但增加幅度和增长率存在明显区别。2020年“暴力梅”期间PWV出现明显的峰谷交替变化，峰值与谷值相差可超过50 mm；而2021年河南极端暴雨前PWV基本都在50~70 mm之间高位波动。当PWV大幅降低时，降水停止。此外，暴雨前由于水汽凝结成云作用，PWV会出现增长速度变慢或略有下降的现象。

3) 相关性分析表明，PWV大小与降水强度之间具有较强的统计学意义，水汽变化会直接影响降水强度，但二者并非简单的线性关系，相关系数小于0.4。在极端降水发生前1~2 h，PWV多表现出增加趋势，该特征可为暴雨预警提供一定的参考。

4) 统计分析表明，降水多发生在PWV^*>0的条件下，其中当PWV^*>0.7时，具备发生小时雨量超过20 mm的短时强降水的可能性。反之，则表明水汽条件不够充足，降水发生的机率和强度相对较低。

暴雨事件的形成和演变过程十分复杂，除充足的水汽之外还需要垂直运动、云滴增长等一系列条件。若要对暴雨事件进行精准预报，还需要结合动力、热力条件作进一步分析。

基金

收起

湖北省自然科学基金(2023AFD093)
国家重点研发计划(2018YFC1507201)
湖北省气象局科研项目

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

周伶俐, 付志康, 徐桂荣, 等. 2020年梅雨期长江中下游地区雨滴谱垂直结构特征[J]. 暴雨灾害, 2023, 42 (4): 455- 466

Zhou

Lingli

, Fu

Zhikang

, Xu

Guirong

, et al. Vertical Structures of Raindrop Size Distributions over the Middle and Lower Reaches of Yangtze River during the Meiyu Period in 2020[J]. Torrential Rain and Disasters, 2023, 42 (4): 455- 466

梁旭东, 夏茹娣, 宝兴华, 等. 2021年7月河南极端暴雨过程概况及多尺度特征初探[J]. 科学通报, 2022, 67 (10): 997- 1011

Liang

Xudong

, Xia

Rudi

, Bao

Xinghua

, et al. Preliminary Investigation on the Extreme Rainfall Event during July 2021 in Henan Province and Its Multi-Scale Processes[J]. Chinese Science Bulletin, 2022, 67 (10): 997- 1011

Wulfmeyer

, Hardesty

R M

, Turner

D D

, et al. A Review of the Remote Sensing of Lower Tropospheric Thermodynamic Profiles and Its Indispensable Role for the Understanding and the Simulation of Water and Energy Cycles[J]. Reviews of Geophysics, 2015, 53 (3): 819- 895 http://onlinelibrary.wiley.com/doi/10.1002/2014RG000476/abstract

梁宏, 曹云昌, 梁静舒, 等. 地基GNSS遥感探测气象应用[J]. 中国地震, 2020, 36 (4): 744- 755

Liang

Hong

, Cao

Yunchang

, Liang

Jingshu

, et al. A Review of the Ground-Based GNSS Remote Sensing in Meteorological Applications[J]. Earthquake Research in China, 2020, 36 (4): 744- 755

Bevis

, Businger

, Herring

T A

, et al. GPS Meteorology: Remote Sensing of Atmospheric Water Vapor Using the Global Positioning System[J]. Journal of Geophysical Research: Atmospheres, 1992, 97 (D14): 15787- 15801

https://doi.org/10.1029/92JD01517

楼益栋, 周要宗, 张卫星, 等. 地基BDS/GNSS水汽精细处理及应用研究综述[J]. 测绘地理信息, 2022, 47 (5): 1- 11

Lou

Yidong

, Zhou

Yaozong

, Zhang

Weixing

, et al. Review on the High-Accuracy and High-Resolution Processing of Ground-Based BDS/GNSS Water Vapor and Its Applications[J]. Journal of Geomatics, 2022, 47 (5): 1- 11

Saastamoinen J. Atmospheric Correction for the Troposphere and Stratosphere in Radio Ranging Satellites[M]//Henriksen S W, Mancini A, Chovitz B H. The Use of Artificial Satellites for Geodesy. Washington: American Geophysical Union, 1972

付志康, 万蓉, 于胜杰, 等. 湖北地基GPS大气可降水量变化特征分析及应用[J]. 气象科学, 2017, 37 (4): 553- 560

Zhikang

, Wan

Rong

, Yu

Shengjie

, et al. Analysis and Application of Ground-Based GPS Precipitable Water Vapor Characteristics[J]. Journal of the Meteorological Sciences, 2017, 37 (4): 553- 560

Zhang

, Zhang

, Liang

, et al. On the Suitability of ERA5 in Hourly GPS Precipitable Water Vapor Retrieval over China[J]. Journal of Geodesy, 2019, 93 (10): 1897- 1909

https://doi.org/10.1007/s00190-019-01290-6

Bai

J N

, Lou

Y D

, Zhang

W X

, et al. Assessment and Calibration of MODIS Precipitable Water Vapor Products Based on GPS Network over China[J]. Atmospheric Research, 2021, 254 http://onlinelibrary.wiley.com/doi/10.1111/nrm.12306

施闯, 周凌昊, 范磊, 等. 利用北斗/GNSS观测数据分析"21· 7" 河南极端暴雨过程[J]. 地球物理学报, 2022, 65 (1): 186- 196

Shi

Chuang

, Zhou

Linghao

, Fan

Lei

, et al. Analysis of "21 ·7" Extreme Rainstorm Process in Henan Province Using Beidou/GNSS Observation[J]. Chinese Journal of Geophysics, 2022, 65 (1): 186- 196

Wang

P K

. Physics and Dynamics of Clouds and Precipitation[M]. Cambridge: Cambridge University Press, 2013

欧书圆, 张卫星. GPT2w模型反演大气可降水量的研究[J]. 测绘地理信息, 2021, 46 (增1): 114- 118

Shuyuan

, Zhang

Weixing

. Study on Retrieving Precipitable Water Vapor by GPT2w Model[J]. Journal of Geomatics, 2021, 46 (S1): 114- 118

郭英莲, 王继竹, 王海燕, 等. GPS可降水量在湖北暴雨预报中的指示性[J]. 气象科技, 2015, 43 (4): 666- 674

https://doi.org/10.3969/j.issn.1671-6345.2015.04.018

Guo

Yinglian

, Wang

Jizhu

, Wang

Haiyan

, et al. Indication of GPS Precipitable Water Vapor for Rainstorm Forecast in Hubei[J]. Meteorological Science and Technology, 2015, 43 (4): 666- 674

https://doi.org/10.3969/j.issn.1671-6345.2015.04.018

陈娇娜, 李国平, 黄文诗, 等. 华西秋雨天气过程中GPS遥感水汽总量演变特征[J]. 应用气象学报, 2009, 20 (6): 753- 760

https://doi.org/10.3969/j.issn.1001-7313.2009.06.014

Chen

Jiaona

, Li

Guoping

, Huang

Wenshi

, et al. The Evolution Features of Precipitable Water Vapor Derived from Ground-Based GPS during Autumn Rain Weather Process in West China[J]. Journal of Applied Meteorological Science, 2009, 20 (6): 753- 760

https://doi.org/10.3969/j.issn.1001-7313.2009.06.014

2025年第45卷第4期

引用本文

BibTeX

文章信息

doi: 10.14075/j.jgg.2024.04.202

接收时间：2024-04-29
首发时间：2026-10-30
出版时间：2025-04-15

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-04-29

基金

Natural Science Foundation of Hubei Province(2023AFD093)

湖北省自然科学基金(2023AFD093)

National Key Research and Development Program of China(2018YFC1507201)

国家重点研发计划(2018YFC1507201)

Scientific Research Project of Hubei Meteorological Service

湖北省气象局科研项目

作者信息

1 中国气象局武汉暴雨研究所, 武汉市金融港二路6号, 430205

2 中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室, 武汉市金融港二路6号, 430205

3 中国气象局地球系统数值预报中心, 北京市中关村南大街46号, 100081

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/ddcl/CN/10.14075/j.jgg.2024.04.202

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT